我建议结合2个基本的神经网络组件：

• 感知器
• 自组织地图（SOM）

感知器是非常简单的神经网络组件。它需要多个输入并产生1个输出。您需要通过提供输入和输出来训练它。这是一个自我学习的组成部分。

内部具有权重因子的集合，这些权重因子用于计算输出。这些重量因素在训练过程中得到完善。感知器的美丽之处在于，（经过适当的培训）它可以处理从未见过的数据。

您可以通过将感知器布置在多层网络中来增强其功能，这意味着一个感知器的输出将充当另一个感知器的输入。

在您的情况下，您应该使用10个感知器网络，每个数值（0-9）一个。

但是，为了使用感知器，您将需要一个数字输入数组。因此，首先需要将视觉图像转换为数值的工具。 自组织地图 （SOM）使用相互连接的点的网格。这些点应被吸引到图像的像素上（见下文）

这两个组件可以很好地协同工作。 SOM具有固定数量的网格节点，并且您的感知器需要固定数量的输入。

这两个组件都非常受欢迎，并且可以通过MATLAB等教育软件包获得。

更新：06/01/2018-张量流

该视频教程演示了如何使用Google的TensorFlow框架在python中完成此操作。 （单击此处获取书面教程）。

在大多数图像处理问题中，您希望利用尽可能多的信息。给定图像，可以做一些假设（可能更多）：

1. 数字周围的框是一致的。
2. 右边的数字始终为8（或提前知道）
3. 左边的数字始终是数字
4. 左边的数字始终是手写的，并且由同一个人书写

然后，我们可以使用以下假设简化问题：

1. 您可以使用一种更简单的方法来找到数字（模板匹配）。有了匹配的坐标后，就可以创建一个子图像，然后减去模板，只剩下要提供给OCR引擎的数字。 http://docs.opencv.org/doc/tutorials/imgproc/histograms/template_matching/template_matching.html 。
2. 如果您知道期望的数字，则可以从其他来源获得这些数字，而不必冒险遇到OCR错误。您甚至可以将8作为模板的一部分。
3. 基于此，您可以大大减少词汇量（可能的OCR结果），从而提高OCR引擎的准确性。 TesseractOCR有一个白名单设置可以执行此操作（请参阅https://code.google.com/p/tesseract-ocr/wiki/FAQ#How_do_I_recognize_only_digits吗？）。
4. 对于OCR引擎来说，手写要困难得多（它们用于印刷字体）。但是，您可以训练OCR引擎来识别作者的“字体”。 （请参阅http://michaeljaylissner.com/posts/2012/02/11/adding-new-fonts-to-tesseract-3-ocr-engine/ ）

要点是使用所有可以将问题简化为更小，更简单的子问题的假设。然后看一下有哪些工具可以单独解决每个子问题。

如果您必须开始担心现实世界，那么很难进行假设，例如如果要扫描现实世界，则需要考虑“模板”或数字的偏斜或旋转。

您很可能需要执行以下操作：

1. 在整个页面上应用霍夫变换算法，这应该会产生一系列页面部分。

2. 对于您获得的每个部分，请再次应用它。如果当前部分产生2个元素，那么您应该处理与上述相似的矩形。

3. 完成后，您可以使用OCR提取数值。

在这种情况下，我建议您看一下JavaCV （OpenCV Java包装器），它应该可以解决霍夫变换部分。然后，您将需要类似于Tess4j （Tesseract Java包装器）的工具，该工具应允许您提取所需的数字。

另外，为减少误报的数量，您可能需要执行以下操作：

1. 如果您确定某些坐标永远不会包含您要获取的数据，请裁剪图像。这应该为您提供一张较小的图片。

2. 将图像更改为灰度可能是明智的（假设您正在使用彩色图像）。颜色可能会对OCR分辨图像的能力产生负面影响。

编辑：根据您的评论，给这样的东西：

+------------------------------+
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
|                   +---+---+  |
|                   |   |   |  |
|                   +---+---+  |
+------------------------------+

您将对图像进行裁剪，以便通过裁剪图像来删除没有相关数据的区域（左侧的部分），您将得到如下所示的内容：

+-------------+
|+---+---+    |
||   |   |    | 
|+---+---+    |
|+---+---+    |
||   |   |    |
|+---+---+    |
|+---+---+    |
||   |   |    |
|+---+---+    |
|+---+---+    |
||   |   |    |
|+---+---+    |
+-------------+

想法是运行Hough变换，以便您可以获取页面的包含矩形的段，如下所示：

+---+---+    
|   |   |     
+---+---+ 

然后，您将再次应用霍夫变换，最后得到两个片段，然后取左一个片段。

一旦有了左段，就可以应用OCR。

您可以尝试事先应用OCR，但是充其量，OCR会识别出两个数值，包括写入的值和键入的值，从我得到的结果来看，这并不是您想要的。

另外，描绘矩形的多余线条可能会使OCR偏离轨道，并导致产生不好的结果。

神经网络是解决此类问题的一种典型方法。

在这种情况下，您可以将每个手写数字视为一个像素矩阵。如果使用与您要识别的图像相同大小的图像训练神经网络，可能会获得更好的结果。

您可以使用手写数字的不同图像来训练神经网络。一旦经过训练，如果您通过手写数字的图像进行识别，它将返回最相似的数字。

当然，训练图像的质量是获得良好结果的关键因素。